七、模型检验及修正
（一）计量经济意义检验
1、多重共线性检验
计算各解释变量的相关系数，选择X1、X2 、X3的数据，得到相关系数矩阵如图5。（将解释变量X1、X2、X3选中，双击Open Group（或点击右键，选择Open\\as Group），然后再点击View\\Covariance analysis\\仅勾选Correlation，点击OK即可得出相关系数矩阵。再点击顶部的Freeze按钮，可以得到一个Table类型独立的Object）
图5
由图5的相关系数矩阵可以看出，解释变量X1、X2相关系数较高，可认为模型存在多重共线性，下面采用逐步回归法来减少共线性的严重程度。
第一步：运用OLS方法分别求lnY对lnX1、lnX2、X3进行一元回归。回归结果详见图6——图8，再结合经济意义和统计检验选出拟合效果好的一元线性回归方程。
图6 图7
图8
通过图6——图8进行对比分析，依据调整可决系数R2最大原则，选择作为X2进入回归模型的第一个解释变量，形成一元回归模型。
第二步：逐步回归。将剩余解释变量分别加入模型，得到分别如图9——图10所示的二元回归结果。
图9
图10
通过观察比较图9——图10所示结果，并根据逐步回归的思想，我们可以看到，新加入变量X3的二元回归方程R?0.999151最大，并且各参数的检验显著，参数符号也符合经济意义，因此，保留变量X3。
但是由图4知引入X1后R2变为0.999264，这说明引入X3这个解释变量对整体模型都有改善作用，所以我们选择保留原来的方程。
2.异方差检验
在图4窗口点击View\\Residual Diagnostics\\Heteroskedasticity Test...，在Test Type窗口中选择White，点击OK。经过估计出现White检验结果如图11。
2
图11
从图11可以看出：由White检验知， White 统计量
2nR2?11.39162??0（9）?16.92，同时t值均比较小，因此在5%显著水平下接.05受同方差性的原假设，说明模型不存在异方差。
3.序列相关性检验
对数据进行DW检验，由图4可得D.W.?0.969434。对样本量为37、3个解释变量的模型、5%的显著水平，查DW统计表可知，dL?1.31，dU?1.66，模型中D.W.?dL，且该模型含有被解释变量的滞后期作为解释变量，显然该模型中有正自相关。
可通过拉格朗日乘数检验法进行检验，步骤如下：
在图4选择：View\\Residual Tests\\Serial Correlation LM Test，在弹出对话框中输入：1，点击OK，得到图12所示结果。